塞萨尔·奥古斯托·塔科内利;德拉拉，伊德马鲁·安东尼奥·罗德里格斯 离散威布尔分布：排序集抽样和简单随机抽样下的不同估计方法。 （英语） Zbl 07546453号 J.统计计算。模拟 92，第8期，1740-1762（2022）. 摘要：离散威布尔（DW）是众所周知的威布尔分布的离散版本，因此可以在可靠性和生存分析中考虑，其中感兴趣的变量涉及某种计数。此外，由于DW分布可以解释欠分散和过分散，因此它是正统泊松分布的替代。本研究的主要目的是评估9种不同的估计方法在简单随机抽样（SRS）和排序集抽样（RSS）下应用于DW分布的性能。为此，提出了一项全面的模拟研究，包括基于实际数据集的附加模拟。还开发了参数引导方法，以基于RSS样本提供置信区间。这些结果使我们能够量化RSS相对于SRS的优势，并对计数不足或过度分散时估计方法的效率提供了重要见解。 MSC公司： 62至XX 统计 关键词：海林格距离;不完全排名;最大似然估计;最小偏差法;参数自助法;相对效率 软件：计数;埃克达特;GAMLSS公司;R（右）;离散威布尔 PDF格式BibTeX公司 XML格式引用 \textit{C.A.Taconeli}和\textit{I.A.R.de Lara}，J.Stat.Compute。模拟92，No.8，1740---1762（2022；Zbl 07546453） 全文： 内政部 参考文献： [1] 辛德，J。；德梅特里奥，CG。，过度分散：模型和估计，Comput Stat Data Anal，27，2151-170（1998）·Zbl 1042.62578号 [2] 卡梅隆，AC；Trivedi，PK.，计数数据的回归分析，53（2013），纽约：剑桥大学出版社，纽约·Zbl 1301.62003号 [3] 里格比，RA；Stasinopoulos，医学博士；Heller，GZ，《建模位置、比例和形状的分布：使用r中的gamlss（2019）》，佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [4] 中川，T。；Osaki，S.，离散Weibull分布，IEEE Trans-Relib，24，5，300-301（1975） [5] Chakraborty，S。；Chakravarty，D.，《离散伽马分布：属性和参数估计》，《Commun Stat-Theor Meth》，第41、18、3301-3324页（2012年）·Zbl 1296.62032号 [6] Krishna，H。；Pundir，PS，《离散毛刺和离散帕累托分布》，Stat Methodol，6，2，177-188（2009）·Zbl 1220.62013年 [7] 帕特里亚卡，R。；胡，T。；Costantino，F.，使用离散Weibull分布管理可回收备件的系统方法，可持续发展，11，19，5180（2019） [8] 佩卢索，A。；文西奥蒂，V。；Yu，K.，离散威布尔广义加性模型：计算生育率数据的应用，J R Stat Soc:Ser C（Appl Stat），68，3，565-583（2019） [9] 阿里，S。；T·扎法尔。；Shah，I.，假设离散威布尔分布的累积一致性控制图，IEEE Access，810123-10133（2020） [10] 昆都，D。；Nekoukhou，V.，关于二元离散Weibull分布，Commun Stat-Theor Meth，48，14，3464-3481（2019）·Zbl 07539726号 [11] Almalki，SJ；Nadarajah，S.，《Weibull分布的修改：综述》，Reliab Eng Syst Saf，124，32-55（2014） [12] 马萨诸塞州汗；Khalique，A。；Abouammoh，A.，《关于估计离散Weibull分布中的参数》，IEEE Trans-Relib，38，3，348-350（1989）·Zbl 0709.62640号 [13] Barbiero，A.，i型离散Weibull分布参数估计方法的比较，统计界面，9，2，203-212（2016） [14] Barbiero，A.，离散威布尔模型中的最小二乘和最小卡方估计，Commun Stat Simul Comput，46，10，8028-8048（2017）·Zbl 1383.62224号 [15] 钱，W。；陈，W。；He，X.，基于排序集抽样的帕累托分布参数估计，统计论文，62395-417（2019）·Zbl 1477.62041号 [16] 加利福尼亚州塔科内利；华盛顿州博纳。，关于排序集抽样下估计方法的性能，Comput Stat，351805-1826（2020）·Zbl 1505.62392号 [17] 佩德罗索，VC；加利福尼亚州塔科内利；Giolo，SR.，基于排序集抽样的双参数birnbaum-saunders分布估计，J Stat Compute Simul，91，2，316-333（2021）·Zbl 07480659号 [18] McIntyre，G.，《使用排序集进行无偏选择性抽样的方法》，奥斯特农业研究杂志，3，4，385-390（1952） [19] 高桥，K。；Wakimoto，K.，《基于按顺序分层的样本的人口平均数无偏估计》，《Ann Inst Stat Math》，20，1，1-31（1968）·兹比尔0157.47702 [20] 戴尔，T。；Clutter，J.，具有顺序统计背景的秩集抽样理论，生物统计学，28545-555（1972）·Zbl 1193.62047号 [21] Wolfe，DA。排序集抽样：其相关性和对统计推断的影响。国际学术研究通告。2012;2012. ·Zbl 06169698号 [22] Al-Omari，人工智能；Bouza，CN.，《排名集抽样的回顾：修改和应用》，《Investigacionón Operacional》，35，3，215-235（2014）·Zbl 1314.62092号 [23] 布扎·赫雷拉（Bouza-Herrera），中国；AIF的Al-Omari。，排名集抽样：65年提高数据收集准确性（2018年），印度钦奈：印度钦奈学术出版社·Zbl 1408.62009号 [24] 加利福尼亚州塔科内利；Giolo，SR.，基于秩集抽样设计的最大似然估计，Lindley分布的两种扩展，无检测和右检测数据，计算统计，351827-1851（2020）·Zbl 1505.62394号 [25] 阿诺德，不列颠哥伦比亚省；Balakrishnan，N。；南卡罗来纳州纳加拉贾，《订单统计第一课程》（2008年），宾夕法尼亚州费城：SIAM，宾夕法尼亚州，费城·Zbl 1172.62017年 [26] 郑，G。；Al-Saleh，MF.，基于排序集样本的修正最大似然估计，《Ann Inst Stat Math》，54，3，641-658（2002）·Zbl 1014.62026号 [27] Pearson，K.，X:关于相关变量系统中给定的偏离或然系统的标准，可以合理地假设它来自随机抽样，伦敦、爱丁堡和都柏林哲学杂志和科学杂志，50，302，157-175（1900） [28] 工作组科克伦。，拟合优度测试，《数学统计年鉴》，23，315-345（1952）·Zbl 0047.13105号 [29] Rolke，W。；贡戈拉，CG。，一种针对已知替代方案的连续分布的chi-square goodness of fit检验，Comput Stat，361885-1900（2020）·Zbl 1505.62343号 [30] R核心团队。R： 用于统计计算的语言和环境。奥地利维也纳：R统计计算基金会；2020年。有效期至：网址：https://www.R-project.org/。 [31] Barbiero，A.离散威布尔：离散威布尔分布（类型1和类型3）。2015.R包版本1.1。可从以下位置获得：https://CRAN.R-project.org/package=DiscreteWeibull。 [32] 莫达雷斯，R。；惠，TP；Zheng，G.，排序集样本的重采样方法，计算统计数据分析，51，2，1039-1050（2006）·兹比尔1157.62392 [33] Croissant，Y，Graves，S.Ecdat：计量经济学的数据集。2020年R包版本0.3-9；可从以下位置获得：https://CRAN.R-project.org/package=Ecdat。 [34] 里格比，RA；Stasinopoulos，DM，位置、规模和形状的广义加性模型（含讨论），应用统计，54，507-554（2005）·Zbl 1490.62201号 [35] Hilbe，JM.Count：计数数据的函数、数据和代码。2016.R包1.3.4版。可从以下位置获得：https://CRAN.R-project.org/package=COUNT（计数）。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。